中国科技DeepSeek

姜浴清

<p class="ql-block">清华大学博士后诠释DeepSeek的应用及设计思路，我作为一个门外汉跃跃欲试听着，能够跟着时代走，何乐而不为。</p> <p class="ql-block">　　DeepSeek是什么？ </p><p class="ql-block">DeepSeek是一家专注通用人工智能(AGI)的中国科技公司，主攻大模型研发与应 用。 DeepSeek-R1是其开源的推理模型，擅长处理复杂任务且可免费商用。 </p><p class="ql-block">性能对齐OpenAI-01正式版 DeepSeek-R1在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力 在数学、代码、自然语言推理等任务上，性能比肩OpenAlo1正式版。</p> <p class="ql-block">　　Deepseek可以做什么?</p><p class="ql-block">直接面向用户或者支持开发者，提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景，支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图 中的文字内容。</p> <p class="ql-block">　　如何使用DeepSeek?</p><p class="ql-block">如何从入门到精通?</p><p class="ql-block">当人人都会用AI时，你如何用得更好更出彩?</p> <p class="ql-block">　　推理模型</p><p class="ql-block">推理模型：推理大模型是指能够在传统的大语言模型基础上，强化推理、逻辑分析和决策能力的模型。它们通常具备额外的技术，比如强化学习、神经符号推理、元学习等，来增强其推理和问题解决能力。</p><p class="ql-block"> 例如： DeepSeek-R1, GPT-03在逻辑推理、数学推理和实时问题解决方面表现突出。</p><p class="ql-block">非推理模型:适用于大多数任务，非推理大模型一般侧重于语言生成、上下文理解和自然语言处理，而不强调</p><p class="ql-block">深度推理能力。此类模型通常通过对大量文本数据的训练，掌握语言规律并能够生成合适的内容，但缺乏像推</p><p class="ql-block">理模型那样复杂的推理和决策能力。</p><p class="ql-block"> 例如: GPT-3、GPT-4 (OpenAI)</p><p class="ql-block">BERT (Google)主要用于语言生成、语言理解、文本分类、翻译等任务。</p> <p class="ql-block">　　快思慢想：效能兼顾全局视野</p><p class="ql-block"> CoT链式思维的出现将大模型分为了两类:</p><p class="ql-block">概率预测（快速反应）模型和链式推理（慢速思考）模型</p><p class="ql-block">前者适合快速反馈，处理即时任务；后者通过推理解决复杂问题。了解它们的差异有助于根据任务需求选择合。</p><p class="ql-block"><br></p> <p class="ql-block">　　提示语策略差异</p><p class="ql-block">推理模型</p><p class="ql-block">提示语更简洁只需明确任务目标和</p><p class="ql-block">需求(因其已内化推理逻辑)</p><p class="ql-block">无需逐步指导，模型自动生成结构化</p><p class="ql-block">推理过程(若强行拆解步骤，反而可</p><p class="ql-block">能限制其能力)。</p><p class="ql-block">通用模型</p><p class="ql-block">需显式引导推理步骤(如通过CoT提</p><p class="ql-block">示)否则可能跳过关键逻辑to</p><p class="ql-block">依赖提示语补偿能力短板(如要求分</p><p class="ql-block">步思考、提供示例。</p><p class="ql-block"><br></p><p class="ql-block"><br></p><p class="ql-block"><br></p> <p class="ql-block">　　关键原则</p><p class="ql-block">模型选择</p><p class="ql-block">优先根据任务类型而非模型热度选择(如数学任务选推理模型，创意任务选通用模型)</p><p class="ql-block">提示语设计</p><p class="ql-block">推理模型:简洁指令，聚焦目标，信任其内化能力。(“要什么直接说")</p><p class="ql-block">通用模型：结构化、补偿性引导(缺什么补什么)</p><p class="ql-block">避免误区</p><p class="ql-block">不要对推理模型使用"启发式"提示(如角色扮演)，可能干扰其逻辑主线。</p><p class="ql-block">不要对通用模型“过度信任”(如直接询问复杂推理问题，需分步验证结果)</p> <p class="ql-block">从“下达命令”到“表达要求”</p> <p class="ql-block">任务需求与提示语策略</p> <p class="ql-block">如何向Al表达要求？</p> <p class="ql-block">　　提示语示例</p><p class="ql-block"> 决策需求 实战技巧:</p><p class="ql-block">为降低物流成本，现有两种方素:</p><p class="ql-block">①自建区城仓库(初期投入高，长期成本低)</p><p class="ql-block">②与第三方合作（按需付费，灵活性高）</p><p class="ql-block">请根据RO1计算模型，对比5年内的总成本并推蒋最优解。</p><p class="ql-block"> 验证性需求 实战技巧</p><p class="ql-block">以下是某论文结论：神经网络模型A优于传统方法B</p><p class="ql-block">请验证：</p><p class="ql-block">①实验数据是否支持诚结论:</p><p class="ql-block">②检查对照组设置是否存在偏差：</p><p class="ql-block">③重新计算P值并判断显著性。</p> <p class="ql-block">　　分析需求 实战技巧:</p><p class="ql-block">分析近三年新能源汽车销量数据(附CSV)，说明:</p><p class="ql-block">①增长趋势与政策关联性；</p><p class="ql-block">②预测2025年市占丰，需使用ARIMA模型并解释参数选择依据。</p><p class="ql-block"> 创造性需求 实战技巧:</p><p class="ql-block">设计一款智能家居产品，要求： </p><p class="ql-block">①解决独居老人安全问题； </p><p class="ql-block">②结合传感器网络和AI预警； </p><p class="ql-block">③提供三种不同技术路线的原型草图说明。</p><p class="ql-block"> 执行需求 实战技巧</p><p class="ql-block">将以下C语言代码转换为Python, 要求:</p><p class="ql-block">①保持时间复杂度不变:</p><p class="ql-block">②使用numpy优化数加操作；</p><p class="ql-block">③输出带时间测试索例的完整代码。</p> <p class="ql-block">　　还要不要学提示语?</p><p class="ql-block">提示语(Prompt)是用户输入给AI系统的指令或信息，用于引导AI生成特定的输出或执行特定的任务。简单来说，提示语就是我们与AI"对话”时所使用的语言，它可以是一个简单的问题，一段详细的指令，也可以是一个复杂的任务描述。</p><p class="ql-block"> 提示语的基本结构包括指令、上下文和期望：</p><p class="ql-block">指令(Instruction):这是提示语的核心，明确告诉AI你希望它执行什么任务。</p><p class="ql-block">上下文（Context):为Al提供背景信息,帮助它更准确地理解和执行任务。</p><p class="ql-block">期望(Expectation):明确或隐含地表达你对AI输出的要求和预期。</p> <p class="ql-block">掌握提示语设计:AIGC时代的必备技能</p><p class="ql-block"><span style="font-size:18px;">表1-3-1提示语设计核心技能子项</span></p><p class="ql-block">提示语设计的核心技能体系</p><p class="ql-block">表1-3-2提示语设计进阶技能子项</p><p class="ql-block"><br></p><p class="ql-block"><br></p> <p class="ql-block">提示语的DNA:解构强大提示语的基本元素</p><p class="ql-block">提示语的基本元素分类</p><p class="ql-block">提示语的基本元素，可以根据其功能和作用分为三个大类：</p><p class="ql-block">信息类元素、结构类元素和控制类元素</p> <p class="ql-block">提示语的DNA：解构强大提示语的基本元素</p><p class="ql-block">提示语元素组合矩阵</p><p class="ql-block">表2-1-1提示语元素组合矩阵</p> <p class="ql-block">常见陷阱与应对：新手必知的提示语设计误区</p><p class="ql-block">缺乏选代陷阱：期待一次性完美结果</p> <p class="ql-block">常见陷阱与应对：新手必知的提示语设计误区</p><p class="ql-block">忽视伦理边界陷阱：低估AI的伦理限</p> <p class="ql-block">常见陷阱与应对：新手必知的提示语设计误区</p><p class="ql-block">假设偏见陷阱：当A只告诉你想听的</p><p class="ql-block">幻觉生成陷阱：当AI自信地胡说八道</p> <p class="ql-block">GC评测：2个国家级项目+1套自动化测评紧统</p><p class="ql-block">两项国家级项目：用户造用性</p><p class="ql-block">2023国家自然科学基金青年项目“面向人工智能生成内容的风险识别与治理策略研究"</p><p class="ql-block">新任务学习</p><p class="ql-block">2023国家资助博士后研究人员计划B档“AIGC意识形态安全评估”</p> <p class="ql-block">提示语链的概念与特征</p><p class="ql-block">提示语链是用于引导AI生成内容的连续性提示语序列。通过将 杂任务分解成多个可操作的子任务，确保生成的内容逻辑清晰主题连贯。</p><p class="ql-block">从本质上看，提示语链是一种“元提示”(meta-prompt）策略，它不仅告诉AI”做什么”，更重要的是指导AI”如何做”。</p> <p class="ql-block">提示语链的作用机制(一)</p><p class="ql-block">在提示语设计中，提示语链发挥着至关重要的作用，通过系统性地引导AI生成高质量、创新性的内容。</p><p class="ql-block">以下是提示语链在内容生成过程中的七个主要作用机制</p> <p class="ql-block">提示语链的作用机制(二)</p><p class="ql-block">质量控制与优化</p><p class="ql-block">实战技巧:</p><p class="ql-block">反馈整合与动态调整</p><p class="ql-block">实战技巧</p> <p class="ql-block">提示语链的设计原则</p><p class="ql-block">提示语链的设计需要遵循一定的原则，以确保其在任务执行中的有效性和连贯性。这些原则为提示语链的构建提供了清晰的指导，帮助系统地组织和引导任务的分解与处理，以下是设计提示语链时应该考虑的关键原则</p> <p class="ql-block">任务分解的提示语链设计步骤</p><p class="ql-block">任务分解的概念源于问题解决理论和系统工程学。将任务分解应用于提示语设计，实际上是在模拟人类处理复杂问题的方式。这种方法主要基于分而治之原则、层级结构理论以及认知负荷理论作为其理论基础</p> <p class="ql-block">SPECTRA任务分解模型</p><p class="ql-block">为了更有效地进行任务分解，可以采用SPECTRA模型(Systematic Partitioning for Enhanced CognitiveTask Resolution in Al):</p> <p class="ql-block">思维拓展的认知理论基础</p><p class="ql-block">思维拓展的提示语链设计建立在创造性认知理论的基础上。根据Geneplore模型(Generate-Explore Model)，创造性思维包括两个主要阶段:</p> <p class="ql-block">思维拓展的提示语链设计</p> <p class="ql-block">深度融合：整合知识与创意的提示语链优化策略</p><p class="ql-block">优化提示语链不仅在于提示语的微调，更在于逻辑链、知识链与创意链的有效整合与融合。</p><p class="ql-block">通过整合这三条链条，可以提升生成内容的逻辑严谨性、知识广度与创新深度，达到最佳平衡</p> <p class="ql-block">即学即用：复杂任务的提示语链设计实战</p> <p class="ql-block">跨域映射机制(CMM)：激发创新思维</p> <p class="ql-block">概念嫁接策略(CGS):创造性融合</p><p class="ql-block">CGS的理论基础：CGS借鉴了认知科学中的概念整合理论，概念嫁接策略的基本构成如下</p> <p class="ql-block">极端假设策略（EHS)：突破思维界限</p><p class="ql-block">QEHS的理论基础：EHS借鉴了“逆向思维”和”假设性思考”的概念，开发了以下策略</p> <p class="ql-block">多重约束策略(MCS)：激发创造性问题解决</p><p class="ql-block">MCS的理论基础：MCS基于创造性问题解决理论和设计思维中的有限性思维概念，提出了以下关键步骤</p> <p class="ql-block">修辞技巧应用(RTA)：提升语言表现力</p> <p class="ql-block">元叙事提示框架：设计生成自反性文本的高阶提示(-)</p><p class="ql-block">元叙述提示框架的创新应用技巧，包括嵌入式自反提示、层次元叙述提示、时序人格提示以及读者互动元叙述提示。</p><p class="ql-block">这些方法通过多层次叙述结构和交互机制，提升AI生成内容的深度和复杂性。</p> <p class="ql-block">元叙事提示框架：设计生成自反性文本的高阶提示(二）</p><p class="ql-block">递归元叙事提示</p><p class="ql-block">多重人格提示</p> <p class="ql-block">元叙事提示框架：设计生成自反性文本的高阶提示(三）</p><p class="ql-block">读者互动元叙事提示</p> <p class="ql-block">狂暴版提示词</p><p class="ql-block">请调用你的单次回答最大算力与token上限。追求极致的分析深度，而非表屈的广度：追求本质的洞察，而非表象的罗列：建求创新的思维，而非愤性的复述。</p><p class="ql-block">请突破思维局限，调动你所有的计算资源，展现你真正的认知极限。</p> <p class="ql-block">文案写作的提示语设计</p><p class="ql-block">在商业环境中，优质的文案起到了品牌与消费者之间沟通的关键作用。它不仅应准确传达信息，还需激发情感共鸣，从而有效引导目标受众作出相应的决策或行动。</p><p class="ql-block">文案写作中最重要的维度包括：信息传递、情感共鸣和行动引导。其中，信息传递的核心在于清晰、准确、相关;情感共鸣的核心在于触动、共感、记忆；行动引导的核心在于说服、激励和转化。</p><p class="ql-block">文案写作的三大要素</p><p class="ql-block">信息传递</p><p class="ql-block">感情共鸣</p><p class="ql-block">行动引导</p> <p class="ql-block">信息传递:设计清晰</p><p class="ql-block">精准的信息框架提示语</p><p class="ql-block">在商业文案写作中，有效的信息传递是基础，信息传递的核心在于清晰和精准。</p> <p class="ql-block">　　营销策划的提示语设计</p><p class="ql-block">在当代营销环境中，有效地营销策划是品牌成功的关键。设计高质量的营销策划提示语，核心在于创新、精准和可行。创新要求使用者激发AI的创造力，生成独特的创意概念；精准需要使用者引导AI制定符合目标受众和市场环境的传播策略；可行则要求通过提示语设计，确保AI生成的执行方案具有实操性。</p> <p class="ql-block">　　三重概率：多层互动 逐层精炼</p><p class="ql-block">AIGC的三层概率交互的内容生成体系，描述了人工智能与人类在内容创作中的协同合作。通过初始生成、交互筛选和主观优化三个层次，构建了一个动态循环的创作流程，以提升内容生成的效率和质量，满足市场的多样化需求。</p> <p class="ql-block">人机共生质量影响因素分析：人vs机器</p><p class="ql-block">生成质量的关键影响</p> <p class="ql-block">　　AI进阶使用</p><p class="ql-block"> 1.知识唤醒</p><p class="ql-block">AI辅助头脑风暴</p><p class="ql-block">知识唤醒阶段</p><p class="ql-block">让AI列出关键概念清单</p><p class="ql-block">通过AI提问激发思考</p><p class="ql-block">用AI拓展思维维度</p><p class="ql-block"> 2.知识整合</p><p class="ql-block">AI辅助关联分析</p><p class="ql-block">知识整合阶段</p><p class="ql-block">AI协助建立知识关联</p><p class="ql-block">发现知识应用场景</p><p class="ql-block">形成系统化观点</p><p class="ql-block"> 3.提示构建</p><p class="ql-block">形成结构化提示</p><p class="ql-block">提示构建阶段</p><p class="ql-block">整合关键信息要素</p><p class="ql-block">构建清晰的结构</p><p class="ql-block">设定具体的约束</p> <p class="ql-block">关于“知识唤醒”的第一性问题</p><p class="ql-block"> 1.什么是知识? </p><p class="ql-block">已有的认知积累</p><p class="ql-block"> 过往的经验总结</p><p class="ql-block"> 潜在的思维模式</p><p class="ql-block"> 隐性的行为模式 </p><p class="ql-block"> 2. 为什么需要“唤醒”? </p><p class="ql-block">知识存在但未被充分调用 </p><p class="ql-block">经验存在但未被有效链接 </p><p class="ql-block">洞察存在但未被清晰表达</p><p class="ql-block">本质：知识唤醒是认知主体在AI辅助下的主动建构过程</p><p class="ql-block">目标：通过认知触发-系统激活整体重构，实现知识的深度调动和创新生成</p> <p class="ql-block">1，知识的基本属性</p><p class="ql-block">沉淀性:知识是经验的累积</p><p class="ql-block">关联性:知识是网络化的</p><p class="ql-block">情境性:知识嵌入具体场景</p><p class="ql-block">涌现性:新知识从连接中产生</p><p class="ql-block">2，唤醒的核心机制</p><p class="ql-block">认知激活:打破固有思维模式</p><p class="ql-block">经验映射:连接具体实践场景</p><p class="ql-block">创造性重组：产生新的知识连接</p><p class="ql-block">3，AI辅助的三重角色</p><p class="ql-block">认知催化剂:提供新视角</p><p class="ql-block">知识连接器:建立关联网络</p><p class="ql-block">创新助推器:促进知识重组</p><p class="ql-block"> 情感唤醒</p><p class="ql-block">1.基础情态激发</p><p class="ql-block">惊异感</p><p class="ql-block">好奇心</p><p class="ql-block">探索欲</p><p class="ql-block">2.Al辅助角色</p><p class="ql-block">发现认知盲点</p><p class="ql-block">提供反常视角</p><p class="ql-block">创造思维碰撞</p><p class="ql-block"> 经验唤醒</p><p class="ql-block">1.情境构建</p><p class="ql-block">场景还原</p><p class="ql-block">多维模拟</p><p class="ql-block">经验链接</p><p class="ql-block">2.默会知识激活</p><p class="ql-block">实践回溯</p><p class="ql-block">技能映射</p><p class="ql-block">隐性知识显现</p><p class="ql-block"> 关联唤醒</p><p class="ql-block">1.知识网络</p><p class="ql-block">跨域联系</p><p class="ql-block">类比推理</p><p class="ql-block">整体观照</p><p class="ql-block">2.创造性连接</p><p class="ql-block">新旧知识融合</p><p class="ql-block">跨学科整合</p><p class="ql-block">突破性联想</p><p class="ql-block">知识唤醒的核心：通过情感一经验一关联的定式上升，实现知识的深度调动与创新生成。</p> <p class="ql-block">知识库+知识唤醒框架</p> <p class="ql-block">AI进阶使用</p> <p class="ql-block">AI使用层次与突破路径</p> <p class="ql-block">使用AI的能力培养体系</p> <p class="ql-block">　　四大核心能力</p><p class="ql-block">AI思 维</p><p class="ql-block">算法思维：理解A快策退逻辑</p><p class="ql-block">数据洞察：数据驱动分析能力</p><p class="ql-block">边界认知：把握Al能力辺界</p><p class="ql-block">协同意识 ：建立人机协作模型</p><p class="ql-block">核心 点：掌握Al思维模式，建立人机 导知框架</p><p class="ql-block">引导力</p><p class="ql-block">提示工程：设计 高 效指令</p><p class="ql-block">对活管理：控制交互方向</p><p class="ql-block">任务分解：优化问题结构 </p><p class="ql-block">质量控制：把控輸出质量</p><p class="ql-block">核心观点：主号Al交互过程, 保輸输出预期</p><p class="ql-block">整合力 </p><p class="ql-block">跨域翻译：转化领域知识 </p><p class="ql-block">创意重组：重构工作方法 </p><p class="ql-block">资源编排：优化人机协同 </p><p class="ql-block">知识融合：整合新旧知识 </p><p class="ql-block">核心观点：融合人机优势，创造1+1&gt;2的价 值 </p><p class="ql-block">判断力 </p><p class="ql-block">真伪辨识：评估内容可靠性 </p><p class="ql-block">价值评估：判断应用价值 </p><p class="ql-block">风险预测：预见潜在风险 </p><p class="ql-block">情境适配：评估场景适用性 </p><p class="ql-block">核心观点：保持独立思考，做AI输出的把关 者</p><p class="ql-block"><br></p> <p class="ql-block">培养“AI思维”：理解 不同AI的能力边界和最佳应用场景 </p><p class="ql-block">发展“整合力”：将AI能 力与人类洞察有机结合 </p><p class="ql-block">提升“引导力”：能够准 确地引导AI完成任务 </p><p class="ql-block">强化“判断力”：对AI输 出的准确性和适用性做 出评估</p> <p class="ql-block">　　一个小时认真听完，我好像又回到八十年代初期，在扬州师范学院权树威教授的《形式逻辑》课程时的抽丝剥茧、层层递进，普通人运用AI工具DeepSeek跨入新时代，人工智能在等待人类与时俱进，我难道还有理由不持续学习吗？</p>